Please use this identifier to cite or link to this item: http://repositorio.ipea.gov.br/handle/11058/2585
Full metadata record
DC FieldValueLanguage
dc.contributor.authorCarvalho, Alexandre Xavier Ywata-
dc.contributor.authorAlbuquerque, Pedro Henrique Melo-
dc.contributor.authorAlmeida Junior, Gilberto Rezende de-
dc.contributor.authorGuimarães, Rafael Dantas-
dc.contributor.authorLaureto, Camilo Rey-
dc.contributor.otherCruz, Bruno de Oliveira-
dc.contributor.otherCastro, Paulo Furtado de-
dc.contributor.otherFurtado, Bernardo Alves-
dc.coverage.spatialBrasilpt_BR
dc.coverage.temporal1997-2007pt_BR
dc.date.accessioned2014-02-25T16:10:02Z-
dc.date.available2014-02-25T16:10:02Z-
dc.date.issued2009-10-
dc.identifier.urihttp://repositorio.ipea.gov.br/handle/11058/2585-
dc.description.abstractEste trabalho discute uma metodologia para clusterização hierárquica espacial de polígonos contíguos e homogêneos de acordo com um conjunto de variáveis binárias. O algoritmo proposto é construído a partir de uma modificação do algoritmo aglomerativo de clusterização hierárquica tradicional, comumente utilizado na literatura de análise multivariada. De acordo com o método proposto neste estudo, a cada passo do processo sequencial de junção de clusters, impõe-se que somente conglomerados – grupos de polígonos originais, como municípios, estados ou setores censitários – vizinhos possam ser unidos para formar um novo cluster maior. Neste caso, foram definidos enquanto vizinhos polígonos que possuem um vértice em comum (vizinhança do tipo queen) ou uma aresta em comum (vizinhança do tipo rook). O texto apresenta aplicações da nova metodologia para clusterização dos municípios brasileiros, com base nas variações do número de empregos formais entre os anos de 1997 e 2007. Diversos métodos de clusterização são estudados, assim como diferentes tipos de distâncias entre vetores de variáveis binárias. Os métodos estudados foram: centroid, single linkage, complete linkage, average linkage e average linkage weighted, Ward minimum variance e método da mediana. As distâncias utilizadas foram: Jaccard, Tanimoto, simple matching, Russel e Rao, Dice, Kulczynski. Apresenta-se uma discussão sobre alguns métodos comumente aplicados para seleção do número de clusters. Finalmente, estudos de casos são apresentados para: i) comparar a formação dos algoritmos espaciais versus agrupamentos políticos existentes (microrregiões, mesorregiões e Unidades da Federação); e ii) identificar áreas no território brasileiro onde se verificou crescimento diversificado, em termos de atividades econômicas.pt_BR
dc.language.isopt-BRpt_BR
dc.publisherInstituto de Pesquisa Econômica Aplicada (Ipea)pt_BR
dc.titleClusterização hierárquica espacial com atributos bináriospt_BR
dc.title.alternativeTexto para Discussão (TD) 1428: Clusterização hierárquica espacial com atributos bináriospt_BR
dc.title.alternativeHierarchical spatial clustering with binary attributespt_BR
dc.typeTexto para Discussão (TD)pt_BR
dc.rights.holderInstituto de Pesquisa Econômica Aplicada (Ipea)pt_BR
dc.source.urlsourcewww.ipea.gov.brpt_BR
dc.location.countryBRpt_BR
dc.description.physical44 p. : il.pt_BR
dc.rights.licenseÉ permitida a reprodução deste texto, desde que obrigatoriamente citada a fonte. Reproduções para fins comerciais são rigorosamente proibidas.pt_BR
dc.subject.keywordClusterização hierárquica espacialpt_BR
dc.subject.keywordClusterpt_BR
dc.subject.keywordEmpregos formaispt_BR
ipea.description.objectiveEstudar uma metodologia para análise de dados espaciais conceitualmente diferente das técnicas de hot spots e das ténicas scan, afim de se particionar a região de interesse (por exemplo, todo o território nacional) em sub-regiões, cada qual com características similares.pt_BR
ipea.description.methodologyConstrução de algoritmo para clusterização hierárquica espacial de polígonos contíguos e homogêneos de acordo com um conjunto de variáveis binárias. Para isso, parte-se de uma modificação do algoritmo aglomerativo de clusterização hierárquica tradicional.pt_BR
ipea.description.additionalinformationSérie monográfica: Texto para Discussão ; 1428pt_BR
ipea.description.additionalinformationReferências bibliográficas: possui referências bibliográficaspt_BR
ipea.description.additionalinformationConteúdo: possui apêndicept_BR
ipea.access.typeAcesso Abertopt_BR
ipea.rights.typeLicença Comumpt_BR
ipea.englishdescription.abstractThis paper studies a methodology for hierarchical spatial clustering of contiguous and homogeneous polygons, based on a set of binary variables. The proposed algorithm is built upon a modification of traditional agglomerative hierarchical clustering algorithm, commonly used in the multivariate analysis literature. According to the proposed method in this paper, at each step of the sequential process of collapsing clusters, only neighbor clusters (groups of original polygons, i.e. municipalities, census tracts, states) are allowed to be collapsed to form a bigger cluster. Two types of neighborhood are used: polygons with one edge in common (rook neighborhood) or polygons with only one point in common (queen neighborhood). In this paper, the methodology is employed to create clusters of Brazilian municipalities, based on the increase or decrease in the number of jobs between 1997 and 2007. Several clustering methods are investigated, as well as several types of vector distances for binary variables. The studied methods were: centroid method, single linkage, complete linkage, average linkage, average linkage weighted, Ward minimum variance e median method. The studied distances were: Jaccard, Tanimoto, simple matching, Russel e Rao, Dice, Kulczynski. A discussion on selection of the number of clusters is presented. Finally, case studies are presented in order to: (a) compare the intra-cluster variability of spatial hierarchical clusters versus the intra-cluster variability of existing political agglomerations (states, micro-regions and meso-regions); (b) identify areas or diversified economic growth.pt_BR
ipea.researchfieldsN/Apt_BR
ipea.classificationCiência. Pesquisa. Metodologia. Análise Estatísticapt_BR
ipea.classificationEmprego. Trabalhopt_BR
Appears in Collections:Ciência. Pesquisa. Metodologia. Análise Estatística: Livros

Files in This Item:
File Description SizeFormat 
TD_1428.pdf437.88 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.